CN107408230A - 建筑物自动化中的诊断 - Google Patents
建筑物自动化中的诊断 Download PDFInfo
- Publication number
- CN107408230A CN107408230A CN201680013547.2A CN201680013547A CN107408230A CN 107408230 A CN107408230 A CN 107408230A CN 201680013547 A CN201680013547 A CN 201680013547A CN 107408230 A CN107408230 A CN 107408230A
- Authority
- CN
- China
- Prior art keywords
- building
- data
- performance
- enterprise
- management system
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000003745 diagnosis Methods 0.000 title claims description 19
- 238000004458 analytical method Methods 0.000 claims description 141
- 238000000034 method Methods 0.000 claims description 54
- 238000010801 machine learning Methods 0.000 claims description 17
- 238000005259 measurement Methods 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 11
- 238000009423 ventilation Methods 0.000 claims description 11
- 238000010438 heat treatment Methods 0.000 claims description 7
- 238000009826 distribution Methods 0.000 claims description 6
- 238000005057 refrigeration Methods 0.000 claims description 2
- 230000013016 learning Effects 0.000 abstract description 29
- 238000007726 management method Methods 0.000 description 46
- 238000007405 data analysis Methods 0.000 description 16
- 230000008859 change Effects 0.000 description 11
- 230000000875 corresponding effect Effects 0.000 description 10
- 230000009471 action Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000012423 maintenance Methods 0.000 description 7
- 230000015654 memory Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000001276 controlling effect Effects 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 5
- 238000007621 cluster analysis Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 230000036314 physical performance Effects 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 238000001816 cooling Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000004378 air conditioning Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 208000019622 heart disease Diseases 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 208000035126 Facies Diseases 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 235000019580 granularity Nutrition 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 239000007858 starting material Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000000576 supplementary effect Effects 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0205—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system
- G05B13/026—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system using a predictor
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B15/00—Systems controlled by a computer
- G05B15/02—Systems controlled by a computer electric
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
- G05B23/0229—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions knowledge based, e.g. expert systems; genetic algorithms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/20—Ensemble learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
- F24F11/32—Responding to malfunctions or emergencies
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/50—Control or safety arrangements characterised by user interfaces or communication
- F24F11/52—Indication arrangements, e.g. displays
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
- F24F11/63—Electronic processing
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/25—Pc structure of the system
- G05B2219/25011—Domotique, I-O bus, home automation, building automation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/16—Real estate
- G06Q50/163—Real estate management
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P80/00—Climate change mitigation technologies for sector-wide applications
- Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Software Systems (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Artificial Intelligence (AREA)
- Automation & Control Theory (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Mathematical Physics (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- Chemical & Material Sciences (AREA)
- Educational Administration (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Signal Processing (AREA)
- Fuzzy Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
聚类(52)或其它无监督学习使用来自各种来源的数据确定数据与性能的关系。使用不同于建筑物自动化数据的元数据或企业数据来诊断建筑物自动化。通过聚类(52)或其它基于案例的推理来确定建筑物自动化与元数据或企业数据的关系。对于多种建筑物情况,在使用或不使用元数据的情况下进行的聚类(52)识别表现不佳的建筑物、设备、自动化控制或企业功能。
Description
其它申请的交叉引用
本申请要求申请日为2015年3月11日的美国临时专利申请62/131,749的权益,该临时专利申请在法律允许的范围内以引用方式结合于本文中。
技术领域
本实施例总体上涉及建筑物自动化系统(building automation system,楼宇自动化系统)。
背景技术
建筑物自动化系统包括采暖、通风与空调(HVAC)系统、安防系统、消防系统或其它系统。这些系统通常由接线在一起的分布式部件形成。HVAC系统可以由一个、两个或三个单独的层或架构层级形成。在三层系统中,楼层级网络提供对建筑物的特定楼层或区域的总体控制。楼层级网络的控制器基于传感器输入提供过程控制以操作致动器。例如,湿润器、加热元件、冷却元件或其它致动器的调节是基于设定点和测量温度来确定的。可提供其它控制功能。建筑物级网络集成了多个楼层级网络,以在建筑物内的各个区域之间提供一致的控制。面板或其它控制器控制分配系统(诸如泵、风扇或用于冷却和加热的其它中央设备)。建筑物级控制器可以在它们自己之间通信并访问楼层级控制器以获取数据。管理级网络集成有对建筑物级网络的控制,以提供整个建筑物环境和设备的高级控制过程。
每个建筑物单独运行。使用来自不同级别的数据来识别给定建筑物的故障或诊断给定建筑物的问题。给定建筑物的这些数据可能无法准确地反映建筑物自动化的问题或建筑物自动化对业务的影响。
发明内容
使用来自各种来源的数据,聚类或其它无监督学习确定数据与性能的关系。使用元数据或不同于建筑物自动化数据的业务数据(business data,企业数据)来诊断建筑物自动化。建筑物自动化与元数据或业务数据的关系是通过聚类或其它基于案例的推理来确定的。对于多个建筑物情况,在使用或没有使用元数据的情况下进行的聚类识别性能不佳的建筑物、设备、自动化控制或企业机能。
在一个方面,提供了一种在建筑物管理系统中进行建筑物自动化诊断的方法。访问与建筑物管理系统的多个建筑物有关的第一数据。第一数据包括建筑物管理系统数据和不同于建筑物管理系统数据的企业数据。用于企业的企业数据与多个建筑物相关联,并且建筑物管理系统数据是针对多个建筑物的。将第一数据与建筑物管理系统的性能度量一起应用于无监督机器学习。由于该应用,输出第一数据的指示较差的性能度量的至少一个分量。该至少一个分量包括企业数据。
在第二方面,提供了一种用于建筑物自动化诊断的系统。针对多个建筑物提供了用于供暖、通风和空调的建筑物自动化系统,并且该建筑物自动化系统被配置用于输出运行数据。处理器被配置用于对建筑物自动化系统的运行数据进行聚类,以及基于该聚类来识别建筑物自动化系统的子集。显示器被配置用于输出该子集的标识。
在第三方面,提供了一种用于在建筑物管理系统中进行建筑物自动化诊断的方法。访问建筑物管理系统的企业数据库中的企业数据。企业数据涉及一个或多个建筑物。企业数据不同于建筑物管理系统数据。将建筑物管理系统的性能与企业数据一起聚类。聚类的结果呈现于显示器上。
对于本领域技术人员而言,在查阅以下附图和详细描述之后,本实施例的其它系统、方法和/或特征将变得显而易见。旨在所有此类附加的系统、方法、特征和优点都包括在本说明书内、包括在本发明的范围内,并且受所附权利要求书的保护。在以下详细描述和附图中描述了所公开的实施例的另外的特征,并且这些特征根据以下将详细描述和附图将是显而易见的。
附图说明
图中的部件不一定按比例绘制,而是将重点放在示出实施例的原理上。在图中,在不同的视图中,相同的附图标记指定对应的部分。
图1是用于在企业内进行建筑物自动化诊断的管理系统的一个实施例的框图;
图2示出了在管理系统中可采用的示例建筑物自动化系统;
图3示出了管理系统的建筑物分析系统所采用的建筑物级分析与企业级分析之间的示例区别;
图4示出了建筑物分析系统所采用的建筑物级分析的一个实施例;
图5示出了建筑物分析系统所采用的企业级分析的实施例;
图6A和图6B示出了建筑物分析系统所采用的使用基于案例的推理进行的示例聚类;
图7示出建筑物分析系统所采用的使用企业数据的聚类分析的一个实施例;
图8是建筑物分析系统所采用的以企业级别进行的聚类分析的示例数据表示;
图9是表示建筑物分析系统所采用的使用企业数据的机器学习的框图的一个实施例。
图10是建筑物分析系统用来控制企业内的建筑物自动化系统所采用的机器学习的用法的框图;以及
图11是管理系统中的建筑物分析系统所采用的用于建筑物自动化诊断的方法的一个实施例的流程图。
具体实施方式
分析用于建筑物自动化。本文所公开的实施例提供了采用分析的建筑物自动化系统的改进。分析是系统地使用物理数据和通过所应用的分析学科(例如统计学的、语境学的、定量的、预测性、认知性或其它新兴模式)而开发的相关业务洞察力来推动针对规划、管理、测量和学习做出的基于事实的决策。分析可以是描述性的、预测性的或规范性的。对于非建筑物自动化系统示例,系统可使用数据来准确地预测心脏病按照地区(例如县)的发病率。来自twitter信息的数据分析根据死亡证明反映了心脏病发病率。
对于建筑物自动化,性能(performance)分析应用于单个建筑物及其所有的系统内。大数据分析应用于属于给定企业和/或由给定企业控制的多个建筑物。例如,分析数十或数百个分支部门、特许经营或机构的运行。分析被设计用于主动和自适应地检测运行性能缺陷,诸如故障检测和诊断。在企业级别,特定建筑物自动化系统的性能分析和采用了建筑物自动化系统的企业的大数据分析由管理系统来组合,该管理系统可操作用于基于如本文进一步所述的组合来分析和执行过程。
在建筑物自动化中使用数据分析的客户或其它人可能会受益。可以使用如本文所述的采用分析过程和结构的管理系统来提供质量安全、舒适和生产性的环境。可以减少服务中断、崩溃和关闭时间。可降低经营成本,并且可增加设备和/或系统的使用寿命。通过根据本文所公开的管理系统的实施例中采用的过程在企业级别进行分析,企业或公司的重点从维修和维护转向预防和预测。总的运行费用、运行支出、运营费用、运营支出(OPEX)可减少,从而允许更好地利用资本支出(CAPEX)。
使用无监督机器学习,使用来自多个建筑物的数据和/或来自企业的元数据来诊断建筑物自动化或管理系统运行和/或与建筑物自动化有关的企业功能。例如,建筑物的位置与HVAC系统的一个或多个部件的性能相关。在本文所公开的实施例中采用的聚类或基于案例的推理识别性能低下建筑物中的共同点。这些共同点可用于纠正这些建筑物处的运行或建筑物自动化。与所有建筑物的修理相比,这可以降低成本。
图1示出了用于建筑物自动化诊断的管理系统8的一个实施例。该系统实现图11的方法。可以实施其它方法。该系统使用来自许多建筑物或独立运行的自动化系统的数据的形式和/或建筑物中采用的自动化系统的控制或运行中未被使用的元数据、业务数据或其它企业数据的形式的大数据。通过聚类或应用基于案例的推理,管理系统8能够执行无监督学习,该无监督学习指示不同变量与性能或自动化和/或企业之间的关系(例如,相关级别)。
管理系统8包括与任何数量的建筑物自动化系统12和元数据数据库14相关联的企业10。具有处理器16和显示器18的计算机或建筑物分析系统17是企业10的一部分或与企业10分开。可以提供额外的、不同的或更少的部件。例如,建筑物分析系统17可以包括经由接口19可操作地连接到处理器16以接收用户输入的键盘或鼠标(图中未示出)。接口19还可以包括用于使得处理器16能够与建筑物自动化系统12和元数据库14通信的网络通信接口。
企业10是使用用于业务活动(而不是机构的自动化)的自动化机构或建筑物的公司、组织、团体或个人。建筑物自动化包括安全系统(例如,火灾报警)、环境系统(例如,HVAC)、安防系统、灾害系统、它们的组合或其它建筑物系统。这些自动化建筑物系统为开展业务提供了空间。提供该业务用于使建筑物自动化之外的其它目的,诸如产品的销售或服务。企业10经营用于提供产品或服务,但在具有自动化的一个或多个建筑物中运行。例如,银行具有用于分支机构和/或总部的数百座建筑物。企业10提供银行服务,并且企业10位于建筑物中。
企业10生成信息或数据。该数据是业务数据,诸如用于销售、服务、人力资源、不同于建筑物自动化的网络运营的信息技术、会计、预算的业务数据或其它业务数据。该业务数据是与作为建筑物自动化系统12的一部分或用于建筑物自动化系统12的运行而生成的数据不同的企业10级元数据。
企业数据或元数据存储在元数据数据库14中。数据库14是一个或多个存储器,诸如硬盘驱动器、闪盘驱动器、磁带驱动器或其它数据库。数据库14作为一个存储器或多个单独的存储器操作以用于存储各种元数据。
示例元数据包括员工或学生的表现,例如测验分数或评论评级。其它元数据可以是预算、员工考勤、人员编制、维护计划或信息、销售额、电梯使用情况或其它企业级的数据。虽然数据是作为企业的一部分生成的,但数据的粒度可以按照地区、员工或者甚至建筑物。
建筑物自动化系统12包括安全系统(例如,火灾报警)、环境系统(例如,HVAC)、安防系统、灾害系统、它们的组合或其它建筑物系统。自动化是开设企业10的一部分的建筑物、楼层、房间或区域的。在图1的示例中,提供了许多(例如,两个或更多个、数十个或数百个)独立的建筑物自动化系统12。建筑物自动化系统12中的每一个或一些独立于其它系统运行。一些建筑物可能从属地运行,诸如在共享设施(plant)或配送的情况下。其它建筑物是独立地自动运行的,例如在建筑物位于不同的街区、邮政编码、城市、县、州和/或国家的情况下。相同的系统(例如,HVAC)可以在不同的建筑物中,并且可以使用相同的自动化系统12来控制,但是一个建筑物的传感器和致动器与另一个建筑物分开控制。例如,餐厅或银行可具有相同的建筑物设计,因此许多不同的建筑物使用相同的建筑物自动化系统12设计。尽管有这些相似之处,但是每个建筑物自动化系统12的运行是独立的,因为一些建筑物在给定时间处于具有不同温度的区域中。
建筑物自动化系统的给定实例生成数据(诸如来自传感器、致动器、面板或控制器的数据)。传感器可包括温度传感器、湿度传感器、火灾传感器、烟雾传感器、占用传感器、空气质量传感器、气体传感器、CO2传感器或CO传感器,或其它现在已知的或后来开发的传感器(诸如用于医院的氧气传感器)。致动器可包括阀、继电器、螺线管、扬声器、钟、开关、马达、马达启动器、阻尼器、气动装置、它们的组合,或其它现在已知的或后来开发的用于建筑物自动化的致动装置。控制器或面板与其它建筑物自动化装置进行交互,用于建立、设定、改变、指示、报告或路由用于控制建筑物自动化功能的信息。该控制器是面板、处理器、工作站和/或服务器。
控制过程针对每个装置的特定运行视情况在控制器、传感器和致动器上运行。传感器报告适于或特定于传感器的信息,诸如报告测量值与期望值或设定值的比较结果。致动器使用输出的传感器数据来提供适于致动器的响应。在一种运行模式下,控制器监控传感器和致动器的过程或动作而不进行控制。在另一种运行模式下,控制器超驰(override,控制)或影响传感器和/或致动器以基于地区性或更大区域的控制过程改变处理。例如,控制器实现用于超驰、设定、调节或改变另一建筑物自动化应用运行的协调控制应用。可供选择地,控制器运行过程以测量与设定点的偏差并控制响应。
其它建筑物自动化装置可以包括个人计算机、面板或监控器。例如,一个建筑物自动化装置是用于控制建筑物范围部件的致动器,例如冷却器、锅炉、建筑物进气通道或建筑物气流排出通道。使用建筑物自动化装置,控制主要的或建筑物范围的设备、个体空间或本地输入和输出点。传感器、致动器和/或控制可以用于区域、房间、配送和/或工厂设备(plant)操作。
建筑物自动化系统12实施用于控制建筑物功能的建筑物自动化应用。建筑物自动化应用使用可编程强大的处理控制语言(PPCL)或其它语言来编程。
建筑物自动化系统12由软件和/或硬件配置以用于采集、存储和输出图1中的运行数据13a、13b和/或13c。对于给定的建筑物,运行数据用于测量相应建筑物的性能和/或控制相应建筑物的自动化。数据可以是管理数据(诸如记录变化和标记的错误)。可以输出报告数据。其它运行数据包括来自传感器的测量值、致动器设定、设定点、警告或在建筑物自动化系统12的运行中生成的其它数据。如图2所示,每个建筑物自动化系统12都可以生成来自区域或房间44、配送系统42(例如,空气处理机组)和/或建筑物自动化系统12运行所在的建筑物中采用的一个或多个设备40(例如,水冷式或空冷式冷却器、火炉或烘烤器)的运行数据。
该建筑物管理数据(诸如建筑物运行数据)特定于建筑物自动化系统12,因此与存储在数据库14中的元数据不同。数据库14还可以存储建筑物运行数据,或者建筑物运行数据存储在其它存储器中。
建筑物自动化系统12存储响应于查询而访问的运行数据。可供选择地,建筑物自动化系统12将数据推送到建筑物分析系统17的处理器16或另一装置。建筑物分析系统或计算机17的接口19访问元数据数据库和/或建筑物自动化系统12以提取或采集数据。可供选择地,通过相应的建筑物自动化系统12将数据周期性地推送到接口19。
使用有线或无线通信来传送运行数据13和/或企业数据(例如企业10的元数据14)。可以使用局域网、广域网、因特网或其它计算机网络来将运行数据传送到处理器16。对于在建筑物自动机系统12内,使用相同或不同的网络,诸如802.15.4网络、令牌网络或Mesh网络。可以使用蓝牙协议、Wi-Fi协议、计算机网络协议、以太网协议、专用协议或其它标准通信协议。802.15.4和802.11x提供介质访问控制和到无线介质的物理接口。可以使用任何现在已知的或后来开发的网络和传输算法。
可以使用任何包大小或数据格式。可以提供用于任何给定通信路径的不同带宽,诸如与适用于较高速率和较长距离的较大数据包的较高级别网络相比,使较低级别的网络适用于在短距离上传输的小数据包。
在典型的建筑物自动化中,建筑物性能基于来自传感器的观测数据和来自致动器(actuator)的运行数据。企业10还生成企业级数据。图3示出了可由管理系统8的建筑物分析系统17执行的这两个来源或数据的分析、运行或建筑物级分析22和企业级分析24。尽管可以由建筑物自动化系统17使用建筑物级性能分析22来诊断建筑物自动化系统12,但较少的信息是可用的,并且不提供对企业的运行的影响。通过包括或提供企业级分析24,通过建筑物分析系统17可以确定建筑物自动化对企业10的影响,或反之亦然,如本文进一步所述。数据分析由建筑物分析系统17在企业级使用以用于控制建筑物自动化系统12。由建筑物分析系统17针对企业进行的元数据分析可以按照建筑物类型、时刻和/或与业务信息或其它全球数据的关系来识别故障或其它性能。建筑物分析系统17可采用结合性能分析22的此类数据分析24来检测性能测量,诸如用于优化企业10内的资源利用和/或服务器调度的预算支出。
图4示出了建筑物分析系统17可采用的图3的建筑物级性能分析22的示例表示。由建筑物分析系统17接收的来自一个或多个建筑物自动化系统12的操作或运行数据13可以包括来自建筑物内的数据、仪表数据、公用事业数据和/或来自第三方(例如,提供HVAC服务的公司)的数据。由建筑物分析系统17的处理器16进行的结构化程序、基于物理的建模或基于启发式或基于统计学的分析在显示器18提供信息和/或提供待用于操作相应的建筑物自动化系统12的信息。使用基于分析的信息来优化性能、指示性能、提高效率或用作控制建筑物自动化系统12的反馈。
图5示出了在建筑物分析系统17所采用的分析中包括建筑物级数据和企业级数据的示例表示。来自建筑物自动化系统12的运行数据13(诸如上面针对图4所讨论的数据)包括在来自数据库14的企业数据中,该企业数据可由建筑物分析系统17访问和接收。企业数据是建筑物场地数据、占用者数据、业务数据或来自元数据数据库14的其它元数据。处理器16将数据分析应用于来自业务、建筑物、工厂设备、公用事业、第三方、场地、仪表、企业和/或其它来源的融合数据13和14。处理器16可采用一种或多种分析类型,包括采样、修改、建模、模拟、发现、挖掘和/或学习。建筑物分析系统17使用该分析以用于预测、创建规则、导出认知信息、优化行为、规定、在建筑物和业务事务中做出决策、识别模式、找到隐藏信息或发现未知关系以输出到显示器18或管理系统8中的另一设备。建筑物分析系统17可以针对建筑物(例如,如由图1中的相应建筑物自动化系统12表示的)内、整个企业10内、整个地区上或与由管理系统8管理的企业10相关联的集合中的整个能量系统聚集性能分析。结果是,建筑物分析系统17生成融合数据13和14,并使用融合数据来采用分析以产生对于企业10有价值的知识和洞察力。建筑物分析系统17可以使用输入数据和建筑物数据的各种来源中的任一者以及各种数据分析中的任一种来提供各种信息,诸如控制功能或建筑物自动化系统12或企业10内的其它设备的潜在故障的诊断。
在一个实施例中,建筑物分析系统17所采用的数据分析包括将数据13和14中表示的多个变量与也表示在数据中的一个或多个性能标准相关联。可以使用其它性能来源。可使用任何聚类或基于案例的分析。通过包括来自多个建筑物自动化系统的数据13和/或企业数据14,建筑物分析系统17的这种无监督学习可以指示用于企业10内的系统或装置的诊断、预知、规划或操作的有用信息。建筑物分析系统17所采用的无监督学习确定输入变量或变量的值与任何用户选择的一个或多个性能标准的关系,而无需分类器的先验训练。无监督学习基于当前可用数据指示关系而无需进行先验建模或模拟。
参考图1,建筑物处理器16和显示器18是建筑物分析系统17的一部分。建筑物分析系统17提取用户看不到的包括在运行数据13和/或企业数据14中的数据,以通过由系统17执行的聚类处理而变得可见,如本文详细所述的。
处理器16是计算机、服务器、面板、工作站、通用处理器、数字信号处理器、专用集成电路、现场可编程门阵列、模拟电路、数字电路、它们的组合或其它现在已知的或后来开发的用于处理大数据并确定大数据与建筑物自动化的关系或反之的关系的设备。处理器16是用于执行数据分析(诸如无监督学习)的设备。处理器16是企业10的一部分。在一个实施例中,数据分析由建筑物自动化系统12的管理计算机执行。可供选择地,处理器16与企业10分开以提供如本文所述的数据分析,作为如图1所描绘的建筑物分析系统17对企业10的服务。例如,建筑物分析系统17可以是服务器,该服务器与企业10的建筑物自动化系统12和元数据数据库14进行网络通信,以执行本文所述的数据分析,并且然后将控制信息或其它信息输出到企业10和/或分布在不同建筑物中的不同的建筑物自动化系统12从而进行控制。
建筑物分析系统17的处理器16被配置用于分析数据(诸如建筑物自动化运行数据13和/或企业数据14)。数据表示各种变量。为变量提供了值。该值可以是变量按照位置(例如,每个建筑物自动化系统的值)随着时间的度量、常数或它们的组合。对于分类和聚类,用户预先选择报价数据,或者处理器16使用默认报价数据。报价数据表示运行数据和/或企业数据的变量。报价(bid)数据由建筑物分析系统17用于无监督学习。
建筑物分析系统17的建筑物处理器16将无监督学习应用于数据。建筑物分析系统17所采用的无监督学习使得处理器16能够确定数据之间的统计关系或其它关系,而不需要由用户提供的或作为预定要求的地面实况。不是用一组训练数据训练分类器使得然后将所得分类器应用于另一组数据进行分类,而是无监督学习使得建筑物分析系统17能够基于在给定时间或情况下可用的数据来学习数据之间的关系。
建筑物分析系统17可以使用任何现在已知的或后来开发的无监督学习,诸如基于案例的推理或聚类。例如,建筑物分析系统17的处理器16能够使用基于知识的聚类、K-均值聚类、Kohonen的自组织特征映射(SOFM)算法、自创建和组织的神经网络(SCONN)或其它聚类,来聚类报价数据。具有类似值的对象(诸如建筑物自动化系统或由企业10内的建筑物分析系统17监控的其它变量)由系统17进行分组。可使用用于分组或聚类的任何距离函数。系统17可使用数据空间的密集区域、间隔或统计分布来进行聚类。可使用其它多目标方法。预期聚类的数量可以是用户或方法定义的。变量与性能度量(measure)的关系可以由系统17自动地迭代提取或利用用户经由接口19与系统17的交互来迭代地提取。
建筑物分析系统17所采用的无监督学习确定一个或一组变量或值与另一个或另一组变量或值的关系。在一个实施例中,由建筑物分析系统17选择一个或多个变量作为一个或多个性能标准。变量的值用作性能的度量。表示性能的变量可来自运行数据13,或者可来自企业数据14。在使用运行数据的一个示例中,变量是冷却器效率。在使用企业数据的另一个示例中,该变量是员工绩效、建筑物运营预算、或者部件或所有建筑物自动化的运行成本。建筑物分析系统17可使用建筑物性能的任何来源,诸如服务预算或用户投诉。
建筑物分析系统17使用这些变量来相对于性能进行聚类,以便确定哪些变量或变量值区分良好性能和不良性能。建筑物分析系统17可采用变量和相关联的值的组合来更强有力地区分性能或与性能相关联。良好性能和不良性能是基于性能度量的值的范围的相对术语。可使用默认的或用户所选择的性能好坏的描述。可供选择地,建筑物分析系统17所采用的聚类或其它无监督学习应用标准偏差或其它分析来区分良好性能和不良性能。
在一个示例中,建筑物分析系统17使用聚类来测量建筑物性能。建筑物自动化系统的运行数据13和/或企业数据14由建筑物分析系统17进行聚类,以确定建筑物自动化系统12是否按需要运行。在另一个示例中,建筑物分析系统17使用数据分析来测量企业、业务单元、员工、客户或其它企业相关团体的性能。由建筑物分析系统17对建筑物自动化系统的运行数据和来自控制多个建筑物的企业的企业数据进行聚类,以确定建筑物自动化系统12是否正在影响企业。
建筑物分析系统17所采用的无监督学习发现与性能相关联的模式、行为、族、聚类、分类或其它要素分组。在一个示例中,企业10是有许多学校建筑物的学校系统。在该示例中,学生表现被用作性能度量。该企业数据可以是测验分数、成绩或可用作由建筑物分析系统17访问的元数据14的其它信息。建筑物分析系统17可以分析用于该学校系统企业10的建筑物自动化系统12的任何或所有的运行变量,以确定与性能度量的相关性或对性能度量的影响程度。在该示例中,由根据本文所公开的实施例的建筑物分析系统17识别的聚类可以指示,如果其它变量保持不变,则教室通风直接影响学生表现。建筑物分析系统17可将具有较差通风的一组建筑物识别为聚类。
其它变量或值可能影响性能,但是在较小程度上影响性能,这由建筑物分析系统17确定。基于所识别的聚类,建筑物分析系统17能够确定一组变量或值是否比其它组的变量或值更加大幅地影响性能。基于预先选择的标准(诸如相关性分级),聚类结果由建筑物分析系统17进行分级,以供用户选择和使用。例如,建筑物分析系统17使用影响级别、相关系数或相对影响力来区分变量或值范围对性能的影响。
图6A示出了在冷却器性能示例中由建筑物分析系统17执行的聚类的示例。选择天气数据、由相应建筑物自动化系统12控制的制冷机的使用年限、冷却器的类型和来自大量建筑物(例如,50栋建筑物)的地理位置作为建筑物分析系统17的输入变量。处理器16应用聚类来确定各种输入变量与冷却器性能的关系或相关性,这里作为性能系数进行测量。聚类中的每个点表示冷却器中的一个。性能由处理器16映射到y轴,并且运行小时映射到x轴。由处理器16将右上角的聚类与炎热气候中的性能相关联,并且由处理器16将左下角的聚类与寒冷气候相关联。气候(例如,天气数据和位置的组合)是由建筑物分析系统17的处理器16在基于案例的推理中用于沿y轴和x轴进行聚类的第三维。对于基于案例的推理,建筑物分析系统17的处理器16使得用户能够(经由键盘或通过接口19的其它输入装置)选择或识别待使用的聚类变量(例如,气候)、x轴变量和/或y轴变量。处理器16还可以在无需用户选择的情况下,使用各种组合来执行如本文所述的聚类,以识别具有最大相关性的组合或具有阈值相关性的组合的组。其它输入变量可能与冷却器性能的相关性较小,因此处理器16可将此类其它输入变量标识为非决定性的。基于指示由处理器16确定的相关性的聚类,一些建筑物的冷却器的设计、保养或更换可以根据所确定的聚类相关性,基于例如气候而与其它建筑物分开处理。建筑物分析系统17所采用的该基于案例的推理可用于改进冷却器性能或用于聚类的其它变量。
图6B示出了在基于案例的推理与聚类的学生表现示例中由建筑物分析系统17执行的聚类的示例。选择空间CO2、通风、地理位置、配送的类型(例如,水或空气)、相应建筑物自动化系统的使用年限、机械系统和天气作为建筑物分析系统17的输入变量,但也可使用其它变量。处理器16应用聚类(例如,无监督学习)来确定各种输入变量与学生班级表现(例如,年级平均成绩(GPA))的关系或相关性。聚类中的每个点表示学生。处理器16将性能(例如,GPA)映射到y轴,并且将年级(grade)映射到x轴。处理器16将右上角的聚类与更好的通风相关联,并且处理器16将左下方的聚类与通风不良相关联。通风是由建筑物分析系统17的处理器16的基于案例的推理中用于沿着y轴和x轴进行聚类的第三维。对于基于案例的推理,建筑物分析系统17的处理器16使得用户能够(经由键盘或通过接口19的其它输入装置)选择或识别待使用的聚类变量(例如,通风)、x轴变量和/或y轴变量。处理器16还可以在无需用户选择的情况下,使用各种组合进行聚类以识别具有最大相关性的组合或具有阈值相关性的组合的组。其它输入变量可能与学生表现的相关性较小,因此处理器16可将此类其它输入变量识别为非决定性的。根据本文所公开的实施例,基于指示由处理器16确定的相关性的聚类,建筑物分析系统17可以确定对于学校系统企业10哪些建筑物通风差。通过改善通风,学生表现将得到提高。
在一个实施例中,由管理系统8中的建筑物分析系统17将不同类型的无监督学习应用于具有一个或多个相同的性能标准的相同的数据。例如,建筑物分析系统17应用不同类型的聚类,使得由建筑物分析系统17对来自不同类型聚类的结果(例如,每个变量与给定的性能标准的相关系数)进行平均、加权平均或以其它方式组合。也可以组合概率分布。在其它实施例中,来自不同类型的聚类的结果由建筑物分析系统17基于预定义的等级自动选择。例如,用户预先选择一个或多个分级标准,诸如相关性分级。来自不同类型的聚类的结果由建筑物分析系统17进行分级以供用户选择和/或使用。处理器16自动选择等级较高的N个结果,其中N是1或更高的整数。
图7示出了建筑物分析系统17所采用的使用企业数据14的聚类分析的另一示例。在图7中,每个“好”、“优”、“一般”和“差”框表示位置。建筑物性能指标或标准是服务预算。建筑物分析系统17从企业数据访问服务预算。为了找到模式,建筑物分析系统17使用聚类、族标识或分组。例如,建筑物分析系统17可以采用聚类来识别开放式维护位置的数量与建筑物自动化系统12的性能相关,该建筑物自动化系统12的性能与相关联的建筑物自动化系统的服务预算12有关。建筑物分析系统17用无监督学习对数据进行分类,以确定导致服务预算水平的企业级行为。可以由企业10的管理系统8中的建筑物分析系统17进行聚类,以便另外地或可供选择地确定与性能相关联的位置的共同点,诸如识别在大型水体附近的企业10中的建筑物相对于与水隔开的建筑物被聚类。
在一个实施例中,建筑物分析系统17的处理器16应用无监督学习来识别建筑物自动化系统12的子集。该子集可以是表现不佳的系统12或具有最佳性能或次优性能的系统12。例如,在该实施例中,处理器16能够识别运行数据和/或企业数据与建筑物自动化性能的度量的相关性,从而识别建筑物和与性能不佳相关联的那些建筑物的变量两者。在银行企业示例中,根据所公开的实施例的建筑物分析系统17可以识别在受气候影响的区域中银行企业10中表现不同的一个冷却器或多个冷却器。在企业10内性能不佳的建筑物的聚类中,建筑物分析系统17可以识别冷却器的运行和位置。作为如本文所公开的执行聚类的结果,银行企业可以改变企业10的某些区域中的冷却器的设计,而不用承受更换所有区域中的冷却器的成本损失。
企业数据(例如,元数据、服务记录、公用事业数据、业务数据和/或预算信息)、建筑物数据(例如,使用年限和/或位置)、系统数据(例如,分配系统的类型-水和/或空气)、应用数据(例如,建筑物传感器和/或运行数据)和/或其它类型的数据由根据所公开的实施例的建筑物分析系统17进行分析,诸如分析建筑物性能、企业绩效或其它要素。可以由系统17使用不同的标准或数据来源针对性能来评估企业10中由相应建筑物自动化系统12控制的不同建筑物,该建筑物自动化系统12与建筑物分析系统通信。系统17使用该数据来获得对性能和/或控制的洞察力,以优化性能或者诊断建筑物自动化或企业绩效。企业数据用作与性能有关的输入变量和值和/或用作性能。
图8是建筑物分析系统17在建筑物自动化中使用数据与无监督学习所采用的该整体方法的另一个表示。企业数据、建筑物自动化系统数据(例如,其可以是运行数据13的一部分)、来自第三方的数据(例如,天气或来自服务的操作信息)、公用事业数据(例如,比率)、建筑物数据(例如,位置和大小)、建筑物管理系统(BMS)数据(例如,其可以是运行数据13的一部分和/或包括不是运行数据13的一部分的建筑物资产跟踪数据)、应用数据(例如,关于建筑物自动化系统12、BMS或其它建筑物控制器的相应应用的特定运行数据)和/或其它数据由建筑物分析系统17使用无监督学习进行分析,该无监督学习作为由建筑物分析系统17实现的数据分析引擎的一部分,如图8所示。这种学习对于建筑物自动化系统12和/或企业10中的每一个是描述性的、预测性的、规范性的,预知的或自适应的。由根据本文所公开的实施例的建筑物分析系统17识别的学习关系可用于预防问题、减少能量使用、优化资产、提高效率和/或提供更好的体验。该分析由作为企业10的网络部件或作为企业10的远程服务的建筑物分析系统17提供,以在成本效益、增值服务、敏捷性和/或资源利用方面协助企业。采用本文所公开的聚类分析实施例可向建筑物分析系统17提供任何变量和任何性能之间的关系。通过分析大数据、大量变量、广泛的值或具有对许多样本(例如,许多建筑物)的测量的变量,建筑物分析系统17可使用聚类来识别不期望的关系和/或假设以改善相关联企业10内的性能。
除了无监督学习之外或代替无监督学习,建筑物分析系统17也可使用其它类型的机器学习。除了聚类和基于案例的推理,可以使用建筑物自动化数据和企业数据训练由建筑物分析系统17采用的机器学习分类器,从而诊断企业和/或建筑物自动化系统的运行。图9表示一个示例。在离线过程中,建筑物分析系统17使用企业数据、公用事业数据和/或其它数据训练分类器90。分类器90被训练用于估计94运行性能和/或能量性能。可以使用其它性能度量。在反馈或在线学习方法中,建筑物分析系统17所采用的训练可以包括估计94的性能与实际92性能的比较。使用该过程,建筑物分析系统17继续进行训练直到达到期望的准确度为止。
建筑物分析系统17针对性能分析91外源数据、建筑物管理系统数据、其它第三方数据和/或其它数据。建筑物分析系统17进行的这种数据分析可以产生理想或期望的性能98,诸如使用聚类来识别具有更好性能的建筑物的相关变量的特征(例如,值)。建筑物分析系统17将该期望性能98与实际性能92进行比较。使用预测性、预知的和/或规范性分析96,由建筑物分析系统17进行的比较可以触发在线预测器或经训练的分类器的升级、改变或再训练。
一旦经过训练,建筑物分析系统17中采用的机器学习分类器90就接收来自企业、公用事业的输入特征向量或其它数据以预测性能94。可由建筑物分析系统17将预测性性能94与实际性能92进行比较以用于其它各种分析96。机器学习分类器90的输出可用于由建筑物分析系统17执行的聚类过程,诸如将建筑物自动化的能量或操作的预测性能94与企业绩效变量相关。由建筑物分析系统17采用的聚类可用于导出用于机器学习分类器90的输入特征向量的输入。
在图10所表示的另一个实施例中,在建筑物分析系统17中采用反演机器学习分类器100。在该实施例中,建筑物分析系统17训练分类器100以使用各种数据基于实际性能92来预测性能94。用作训练机器学习分类器106的输入的一些数据包括建筑物自动化数据,诸如设定点、运行顺序、操作范围或其它控制信息。机器学习分类器106的反演机器学习分类器100可以将期望性能104转换成建筑物管理系统运行参数102(例如,设定点、操作的顺序和/或操作范围)。企业和建筑物自动化运行数据用于训练和反演。
根据本文所述的实施例,用于训练和反演的数据可以通过由建筑物分析系统17采用的聚类来确定。对期望运行性能或能量性能104最具决定性的变量由建筑物分析系统17通过对预处理进行聚类来确定。
回到图1,显示器18是液晶显示器、发光二极管显示器、CRT、监控器、等离子体、投影仪、打印机或其它显示器。显示器18由处理器16配置用于呈现建筑物分析系统17所采用的无监督学习的结果。在一个示例中,根据本文所公开的实施例,向显示器18输出诸如图6中所示的由处理器16生成的聚类图。作为另一示例,处理器16向显示器18输出各种变量对性能的影响的诊断。还可以输出统计、相关性或其它聚类结果。在又一示例中,处理器16向显示器18输出由建筑物分析系统17识别的存在问题的建筑物或建筑物自动化系统12(作为根据本文所公开的实施例执行聚类的结果)的标识。聚类或聚类中的成员也由处理器16呈现给显示器18以供用户观察。
在其它实施例中,处理器16传输结果以供控制或其它用途使用。可以控制建筑物自动化系统12以提高性能,诸如通过考虑到使建筑物更好地运转来识别和固定与性能不佳的建筑物相关联的要素。例如,与给定的表现不佳的技术人员相关联的系统的分组指示需要对技术人员进行培训。处理器16在显示器18上输出技术人员的链接、向监管员输出消息,或者输出用于培训的日历事件。
图11示出了用于在建筑物管理系统中进行建筑物自动化诊断的方法的一个实施例。该方法使用图1的管理系统8或不同的系统来实现。
可以提供与图11所示的不同或更少的动作。例如,不执行动作54,而是使用诊断或聚类的结果进行传输、存储或基于规则的动作。
在动作50中,处理器访问与有关多个建筑物有关的数据。访问通过接收信息、请求信息或加载信息进行。与企业中的多个建筑物自动化系统有关的管理系统8中的处理器可以挖掘多个存储器。在替代实施例中,访问与单个建筑物有关的数据。
数据包括建筑物管理系统或建筑物自动化系统的运行数据和不同于建筑物管理系统或建筑物自动化系统数据的企业数据。在企业中并且与建筑物管理系统通信的建筑物自动化系统生成特定于建筑物自动化的数据。例如,可访问致动器设定、传感器读数、设定点、仪表信息、天气、公用事业信息或用于相应建筑物自动化系统的日常操作的其它数据。建筑物管理系统包括用于供热、冷却、通风,消防安全或其组合数据的自动化。
企业生成特定于企业业务的数据。企业的业务不是建筑物的自动化。而是访问企业的预算、维护、员工投诉或人力资源数据。
访问企业数据库中的企业数据。企业数据库是被组织为一个数据库或单独的数据结构的一个或多个存储器。访问表示一个或多个变量的企业数据。给定变量的值在多个建筑物中可以相同或不同。例如,建筑物的维护预算与多个建筑物相关联,但对于不同的建筑物可以相同或可以不同。对于不同的建筑物,与预算的偏差量更有可能不同。
要访问的数据可以是企业数据库中的所有可用数据和/或每个建筑物自动化系统所存储的运行数据。可供选择地,用户指示要访问的数据。用户通过指示一个或多个性能度量以及与性能度量有关的输入变量或数据来配置分析。在其它实施例中,没有指示特定的性能。相反,由处理器确定每个变量或值或者每组变量或值彼此之间的关系。
在动作52中,处理器将无监督机器学习应用于第一数据。一些数据按照建筑物指定为多个建筑物或企业的建筑物管理系统的性能度量。可以替代地使用并非特定于建筑物的性能。
无监督学习在无需分类器的先验训练的情况下执行。机器学习在无需使用训练数据和地面实况进行训练的情况下确定输入数据的诊断。相反,变量或值彼此之间的关系由处理器确定。图11的动作在没有先验训练的情况下执行。
在一个实施例中,无监督机器学习是聚类。建筑物管理系统的性能用于对其它数据(诸如企业数据)进行聚类。企业的绩效可以用于对企业和/或建筑物管理系统或建筑物自动化系统数据进行聚类。可以将来自企业或自动化系统操作的任何一个或多个变量指定为待聚类的性能和/或输入变量的度量。可以使用任何聚类方法。可以使用不只一种聚类方法,诸如使用不同方法进行聚类并将来自不同方法的结果组合成给定的结果集。
聚类识别具有该性能度量的输入变量或输入变量的值的共同点。企业和/或运行数据的不同变量或值在统计学上与性能有关(例如,相关)。处理器计算一个或多个变量对性能度量和/或变量的值对性能度量的概率分布。
管理系统中的聚类或无监督学习可以识别影响性能的变量。与更差或更好性能相关联的变量的值的范围可由处理器确定。在针对不同的建筑物提供不同的值的情况下,则可以识别与较差性能相关联或具有较差性能的建筑物或建筑物管理系统的子集。
在动作54中,处理器将应用无监督学习的结果输出到显示器、网络、存储器或其它处理器。输出不同变量与性能之间、变量彼此之间或值与性能之间的关系。输出比其它测试变量更强关联的分量(诸如变量、变量组或值的范围)。可使用关联的量或关联程度的任何阈值或用户选择的划分来区分一个聚类与另一个聚类。聚类表示建筑物子集的一个或多个变量的值的共同点。输出与次要性能相关联的一个或多个聚类以及相关变量或变量的值。可以输出概率分布或表示关系的其它统计学信息。例如,将聚类的结果呈现给用户以用于进行诊断。可以发现问题或关系,并将该问题或关系用于提高性能。
聚类或无监督学习可指示与差性能相关联的建筑物的子集。可以输出与被聚类为与性能有关的值相关联的建筑物的标识。还可以输出建筑物的特征(例如,与差性能或更好性能相关联的值和/或变量)。不同的建筑物子集在导致差性能或良好性能的聚类中具有不同的变量,因此,聚类信息可用于识别待模仿或修理的建筑物以及导致成功或差性能的聚类之间的差异。
输出部件可以包括来自企业数据的一个或多个值和/或变量。该信息可用于改变企业进行动作以防止建筑物管理系统的性能不佳的方式,或反之亦然。
虽然上面已经参考各种实施例描述了本发明,但是应当理解,在不脱离本发明的范围的情况下,可以进行许多改变和修改。因此,其旨在上述详细描述被认为是例示性的而非限制性的,并且应当理解,以下权利要求(包括所有等同物)旨在限定本发明的精神和范围。
Claims (21)
1.一种在建筑物管理系统中进行建筑物自动化诊断的方法,所述方法包括:
由所述建筑物管理系统的建筑物分析系统访问(50)与多个建筑物有关的第一数据,所述第一数据包括建筑物管理系统数据和不同于所述建筑物管理系统数据的企业数据,所述企业数据针对于与所述多个建筑物相关联的企业,并且所述建筑物管理系统数据针对于所述多个建筑物;
由所述建筑物分析系统将所述第一数据与性能度量应用(52)于无监督机器学习以用于基于案例的推理;以及
作为所述应用(52)的结果,输出(54)所述第一数据中的指示在所述第一数据中识别的所述建筑物管理系统的差的所述性能度量的至少一个分量,所述至少一个分量包括所述企业数据。
2.根据权利要求1所述的方法,其中,访问(50)所述企业数据包括访问(50)所述企业的预算数据、维护数据、员工投诉数据或人力资源数据。
3.根据权利要求1所述的方法,其中,访问(50)所述建筑物管理系统数据包括访问(50)供暖数据、制冷数据、通风数据、消防安全数据或这些数据的组合。
4.根据权利要求1所述的方法,其中,应用(52)包括聚类。
5.根据权利要求4所述的方法,其中,聚类包括识别与所述性能度量相关的所述第一数据的共同点。
6.根据权利要求1所述的方法,其中,应用(52)包括使用来自所述企业数据的所述性能度量进行应用(52)。
7.根据权利要求1所述的方法,其中,输出(54)包括输出(54)所述至少一个分量作为与差的所述性能度量相关的数据。
8.根据权利要求1所述的方法,其中,输出(54)包括输出(54)所述至少一个分量作为与差的所述性能度量相关的所述建筑物的子集的标识。
9.根据权利要求1所述的方法,其中,所述访问(50)、所述应用(52)和所述输出(54)在无需进行所述无监督机器学的先验训练的情况下执行。
10.根据权利要求1所述的方法,其中,应用(52)包括计算所述第一数据对所述性能度量的概率分布。
11.一种用于建筑物自动化诊断的建筑物管理系统,所述系统包括:
建筑物自动化系统(12),用于供暖、通风和空气调节,所述建筑物自动化系统(12)用于多个建筑物并且被配置用于输出运行数据;
建筑物处理器(16),被配置用于对所述建筑物自动化系统(12)的所述运行数据进行聚类,以及基于所述聚类识别所述建筑物自动化系统(12)的子集;以及
显示器(18),被配置用于输出所述子集的标识。
12.根据权利要求11所述的建筑物管理系统,其中,所述建筑物处理器(16)被配置用于对所述建筑物自动化系统(12)的所述运行数据和来自控制所述多个建筑物的企业的企业数据进行聚类。
13.根据权利要求11所述的建筑物管理系统,其中,所述建筑物处理器(16)被配置用于确定所述运行数据与所述子集的相关性,并且所述显示器被配置用于输出所述相关性。
14.根据权利要求11所述的建筑物管理系统,其中,所述建筑物处理器(16)被配置用于基于性能度量进行聚类,所述性能度量包括所述建筑物自动化系统(12)的变量。
15.根据权利要求11所述的建筑物管理系统,其中,所述建筑物处理器(16)被配置用于使用多个聚类方法进行聚类并且将来自所述多个聚类方法的结果进行组合。
16.一种用于在建筑物管理系统中进行建筑物自动化诊断的方法,所述方法包括:
由所述建筑物管理系统的建筑物分析系统访问(50)企业数据库中的企业数据,所述企业数据与一个或多个建筑物相关,所述企业数据不同于建筑物管理系统数据;
由所述建筑物分析系统针对所述建筑物管理系统的性能利用所述企业数据进行聚类(52);以及
在所述建筑物分析系统的显示器上呈现所述聚类的结果,所述结果包括由所述聚类识别的所述企业数据与所述一个或多个建筑物的运行的关系。
17.根据权利要求16所述的方法,其中,聚类(52)包括应用无监督机器学习。
18.根据权利要求16所述的方法,其中,聚类(52)包括将所述企业数据的不同变量与所述性能相关,并且其中,呈现包括识别与所述性能更强有力相关的所述变量的子集。
19.根据权利要求16所述的方法,其中,所述一个或多个建筑物包括多个建筑物,并且其中,聚类(52)包括识别所述多个建筑物的子集。
20.根据权利要求16所述的方法,其中,聚类(52)包括使用不同的方法进行聚类;以及将来自所述不同的方法的输出结果组合成所述结果。
21.根据权利要求16所述的方法,其中,聚类(52)包括使用不同的方法进行聚类;并且进一步包括基于分级选择所述不同的方法中的至少第一方法的结果。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201562131749P | 2015-03-11 | 2015-03-11 | |
US62/131,749 | 2015-03-11 | ||
PCT/US2016/020068 WO2016144591A1 (en) | 2015-03-11 | 2016-02-29 | Diagnostics in building automation |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107408230A true CN107408230A (zh) | 2017-11-28 |
CN107408230B CN107408230B (zh) | 2021-06-01 |
Family
ID=55527671
Family Applications (3)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680014769.6A Pending CN107430715A (zh) | 2015-03-11 | 2016-02-29 | 建筑物自动化中的级联识别 |
CN201680014798.2A Active CN107430387B (zh) | 2015-03-11 | 2016-02-29 | 建筑物自动化预测 |
CN201680013547.2A Active CN107408230B (zh) | 2015-03-11 | 2016-02-29 | 在建筑物管理系统中进行建筑物自动化诊断的系统和方法 |
Family Applications Before (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680014769.6A Pending CN107430715A (zh) | 2015-03-11 | 2016-02-29 | 建筑物自动化中的级联识别 |
CN201680014798.2A Active CN107430387B (zh) | 2015-03-11 | 2016-02-29 | 建筑物自动化预测 |
Country Status (5)
Country | Link |
---|---|
US (3) | US10824120B2 (zh) |
EP (3) | EP3268820A1 (zh) |
CN (3) | CN107430715A (zh) |
CA (4) | CA2979202C (zh) |
WO (3) | WO2016144587A1 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109887228A (zh) * | 2019-03-21 | 2019-06-14 | 杭州虹晟信息科技有限公司 | 基于大数据的安全预警系统 |
CN110059069A (zh) * | 2018-01-19 | 2019-07-26 | 西门子股份公司 | 用于检测和预测目标系统的行为的系统和方法 |
US20210225529A1 (en) * | 2020-01-20 | 2021-07-22 | Honeywell International, Inc. | Apparatuses, computer-implemented methods, and computer program products for improved monitored building environment monitoring and scoring |
CN113646711A (zh) * | 2019-03-07 | 2021-11-12 | 霍尼韦尔国际公司 | 用于建立建筑物自动化系统部件之间的关系的系统和方法 |
Families Citing this family (130)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9411327B2 (en) | 2012-08-27 | 2016-08-09 | Johnson Controls Technology Company | Systems and methods for classifying data in building automation systems |
GB201313444D0 (en) * | 2013-07-29 | 2013-09-11 | Ambi Labs Ltd | Energy efficient indoor climate controller |
US10592821B2 (en) * | 2015-06-19 | 2020-03-17 | Trane International Inc. | Self-learning fault detection for HVAC systems |
US10534326B2 (en) | 2015-10-21 | 2020-01-14 | Johnson Controls Technology Company | Building automation system with integrated building information model |
US11947785B2 (en) | 2016-01-22 | 2024-04-02 | Johnson Controls Technology Company | Building system with a building graph |
US10055114B2 (en) | 2016-01-22 | 2018-08-21 | Johnson Controls Technology Company | Building energy management system with ad hoc dashboard |
US10289509B2 (en) * | 2016-04-06 | 2019-05-14 | Nec Corporation | System failure prediction using long short-term memory neural networks |
US10216160B2 (en) | 2016-04-21 | 2019-02-26 | Honeywell International Inc. | Matching a building automation algorithm to a building automation system |
US10417451B2 (en) | 2017-09-27 | 2019-09-17 | Johnson Controls Technology Company | Building system with smart entity personal identifying information (PII) masking |
US11774920B2 (en) | 2016-05-04 | 2023-10-03 | Johnson Controls Technology Company | Building system with user presentation composition based on building context |
US10505756B2 (en) | 2017-02-10 | 2019-12-10 | Johnson Controls Technology Company | Building management system with space graphs |
US11226598B2 (en) | 2016-05-04 | 2022-01-18 | Johnson Controls Technology Company | Building system with user presentation composition based on building context |
US20180087790A1 (en) * | 2016-09-28 | 2018-03-29 | Johnson Controls Technology Company | Systems and methods for automatically creating and using adaptive pca models to control building equipment |
US10495334B2 (en) | 2016-09-28 | 2019-12-03 | Johnson Controls Techology Company | Systems and methods for steady state detection |
US10761516B2 (en) | 2016-11-02 | 2020-09-01 | Johnson Controls Technology Company | Systems and methods for real-time detection and communication of health and performance degradation in a distributed building automation network |
SG10201610116PA (en) * | 2016-11-03 | 2018-06-28 | Avanseus Holdings Pte Ltd | Method and system for machine failure prediction |
US11494654B2 (en) * | 2016-11-03 | 2022-11-08 | Avanseus Holdings Pte. Ltd. | Method for machine failure prediction using memory depth values |
US11010846B2 (en) | 2017-01-12 | 2021-05-18 | Johnson Controls Technology Company | Building energy storage system with multiple demand charge cost optimization |
US10949777B2 (en) | 2017-06-07 | 2021-03-16 | Johnson Controls Technology Company | Building energy optimization system with economic load demand response (ELDR) optimization |
US11238547B2 (en) | 2017-01-12 | 2022-02-01 | Johnson Controls Tyco IP Holdings LLP | Building energy cost optimization system with asset sizing |
US11061424B2 (en) | 2017-01-12 | 2021-07-13 | Johnson Controls Technology Company | Building energy storage system with peak load contribution and stochastic cost optimization |
US10282796B2 (en) | 2017-01-12 | 2019-05-07 | Johnson Controls Technology Company | Building energy storage system with multiple demand charge cost optimization |
US10324483B2 (en) | 2017-01-12 | 2019-06-18 | Johnson Controls Technology Company | Building energy storage system with peak load contribution cost optimization |
US11847617B2 (en) | 2017-02-07 | 2023-12-19 | Johnson Controls Tyco IP Holdings LLP | Model predictive maintenance system with financial analysis functionality |
US11900287B2 (en) | 2017-05-25 | 2024-02-13 | Johnson Controls Tyco IP Holdings LLP | Model predictive maintenance system with budgetary constraints |
US11764991B2 (en) | 2017-02-10 | 2023-09-19 | Johnson Controls Technology Company | Building management system with identity management |
US11994833B2 (en) | 2017-02-10 | 2024-05-28 | Johnson Controls Technology Company | Building smart entity system with agent based data ingestion and entity creation using time series data |
US10452043B2 (en) | 2017-02-10 | 2019-10-22 | Johnson Controls Technology Company | Building management system with nested stream generation |
US20190095518A1 (en) | 2017-09-27 | 2019-03-28 | Johnson Controls Technology Company | Web services for smart entity creation and maintenance using time series data |
US10515098B2 (en) | 2017-02-10 | 2019-12-24 | Johnson Controls Technology Company | Building management smart entity creation and maintenance using time series data |
US11307538B2 (en) | 2017-02-10 | 2022-04-19 | Johnson Controls Technology Company | Web services platform with cloud-eased feedback control |
US11360447B2 (en) | 2017-02-10 | 2022-06-14 | Johnson Controls Technology Company | Building smart entity system with agent based communication and control |
WO2018170028A1 (en) * | 2017-03-14 | 2018-09-20 | Tupl, Inc | Automated decision making using staged machine learning |
US11327737B2 (en) | 2017-04-21 | 2022-05-10 | Johnson Controls Tyco IP Holdings LLP | Building management system with cloud management of gateway configurations |
US11120411B2 (en) | 2017-05-25 | 2021-09-14 | Johnson Controls Tyco IP Holdings LLP | Model predictive maintenance system with incentive incorporation |
US11636429B2 (en) | 2017-05-25 | 2023-04-25 | Johnson Controls Tyco IP Holdings LLP | Model predictive maintenance systems and methods with automatic parts resupply |
US11409274B2 (en) | 2017-05-25 | 2022-08-09 | Johnson Controls Tyco IP Holdings LLP | Model predictive maintenance system for performing maintenance as soon as economically viable |
US11747800B2 (en) | 2017-05-25 | 2023-09-05 | Johnson Controls Tyco IP Holdings LLP | Model predictive maintenance system with automatic service work order generation |
JP7184797B2 (ja) | 2017-05-25 | 2022-12-06 | ジョンソン コントロールズ テクノロジー カンパニー | ビルディング機器用のモデル予測的メンテナンスシステム |
US11416955B2 (en) | 2017-05-25 | 2022-08-16 | Johnson Controls Tyco IP Holdings LLP | Model predictive maintenance system with integrated measurement and verification functionality |
US11022947B2 (en) | 2017-06-07 | 2021-06-01 | Johnson Controls Technology Company | Building energy optimization system with economic load demand response (ELDR) optimization and ELDR user interfaces |
WO2018232147A1 (en) | 2017-06-15 | 2018-12-20 | Johnson Controls Technology Company | Building management system with artificial intelligence for unified agent based control of building subsystems |
US10782680B2 (en) | 2017-07-20 | 2020-09-22 | Genral Electric Company | Cumulative cost model for predicting asset maintenance cost from distress models |
US10737904B2 (en) | 2017-08-07 | 2020-08-11 | Otis Elevator Company | Elevator condition monitoring using heterogeneous sources |
US10878144B2 (en) * | 2017-08-10 | 2020-12-29 | Allstate Insurance Company | Multi-platform model processing and execution management engine |
EP3451243A1 (de) * | 2017-08-28 | 2019-03-06 | Siemens Aktiengesellschaft | Klassifizierung mindestens eines elementes mit mindestens einer unbestimmten eigenschaft |
CN109507893B (zh) * | 2017-09-14 | 2021-10-29 | 宁波方太厨具有限公司 | 一种智能家居设备的自学习告警控制方法 |
US11314788B2 (en) | 2017-09-27 | 2022-04-26 | Johnson Controls Tyco IP Holdings LLP | Smart entity management for building management systems |
US10962945B2 (en) | 2017-09-27 | 2021-03-30 | Johnson Controls Technology Company | Building management system with integration of data into smart entities |
US11258683B2 (en) | 2017-09-27 | 2022-02-22 | Johnson Controls Tyco IP Holdings LLP | Web services platform with nested stream generation |
US10565844B2 (en) | 2017-09-27 | 2020-02-18 | Johnson Controls Technology Company | Building risk analysis system with global risk dashboard |
US11126692B2 (en) | 2017-09-29 | 2021-09-21 | Rockwell Automation Technologies, Inc. | Base analytics engine modeling for monitoring, diagnostics optimization and control |
US11281169B2 (en) | 2017-11-15 | 2022-03-22 | Johnson Controls Tyco IP Holdings LLP | Building management system with point virtualization for online meters |
US10809682B2 (en) | 2017-11-15 | 2020-10-20 | Johnson Controls Technology Company | Building management system with optimized processing of building system data |
US11105528B2 (en) * | 2017-11-15 | 2021-08-31 | Johnson Controls Tyco IP Holdings LLP | Building management system with automatic synchronization of point read frequency |
CN111433691B (zh) * | 2017-11-28 | 2024-03-08 | 株式会社安川电机 | 控制系统、工厂系统、学习系统、估计用模型的生成方法和致动器的状态估计方法 |
CN108061014A (zh) * | 2017-12-15 | 2018-05-22 | 上海电机学院 | 一种用于设备性能评估的多级层叠cmac模型 |
JP7121891B2 (ja) | 2017-12-27 | 2022-08-19 | 株式会社竹中工務店 | 構造情報表示装置、構造設計支援装置、及び構造設計支援モデル学習装置 |
CN108268748A (zh) * | 2018-04-26 | 2018-07-10 | 南京信息工程大学 | 一种基于机器学习的住宅户型图电气设计方法 |
EP3576029B1 (en) * | 2018-05-31 | 2024-09-04 | IMEC vzw | Method and device for determining energy system operating scenarios |
US11604441B2 (en) | 2018-06-15 | 2023-03-14 | Johnson Controls Tyco IP Holdings LLP | Automatic threshold selection of machine learning/deep learning model for anomaly detection of connected chillers |
US11859846B2 (en) | 2018-06-15 | 2024-01-02 | Johnson Controls Tyco IP Holdings LLP | Cost savings from fault prediction and diagnosis |
US11347213B2 (en) | 2018-06-22 | 2022-05-31 | Siemens Industry, Inc. | Deep-learning-based fault detection in building automation systems |
CN108960320B (zh) * | 2018-06-26 | 2021-04-27 | 湖北工业大学 | 列车折角塞门故障图像实时检测方法 |
CN110737214A (zh) | 2018-07-18 | 2020-01-31 | 开利公司 | 基于分析的致冷器排序 |
CN109102016B (zh) * | 2018-08-08 | 2019-05-31 | 北京新桥技术发展有限公司 | 一种用于桥梁技术状况的测试方法 |
US11411999B2 (en) | 2018-10-29 | 2022-08-09 | Johnson Controls Tyco IP Holdings LLP | Building system with dynamic manufacturer usage description (MUD) files based on building model queries |
US11016648B2 (en) | 2018-10-30 | 2021-05-25 | Johnson Controls Technology Company | Systems and methods for entity visualization and management with an entity node editor |
US11927925B2 (en) | 2018-11-19 | 2024-03-12 | Johnson Controls Tyco IP Holdings LLP | Building system with a time correlated reliability data stream |
US20200159173A1 (en) | 2018-11-19 | 2020-05-21 | Johnson Controls Technology Company | Building system with semantic modeling based custom logic generation |
US11092954B2 (en) * | 2019-01-10 | 2021-08-17 | Johnson Controls Technology Company | Time varying performance indication system for connected equipment |
US11468408B2 (en) | 2019-01-18 | 2022-10-11 | Johnson Controls Tyco IP Holdings LLP | Building automation system with visitor management |
US11714397B2 (en) * | 2019-02-05 | 2023-08-01 | Samsung Display Co., Ltd. | System and method for generating machine learning model with trace data |
US20200265119A1 (en) * | 2019-02-14 | 2020-08-20 | Accenture Global Solutions Limited | Site-specific anomaly detection |
JP7156975B2 (ja) | 2019-02-26 | 2022-10-19 | 三菱重工業株式会社 | 運営評価装置、運営評価方法、およびプログラム |
SG10201903611RA (en) * | 2019-03-20 | 2020-10-29 | Avanseus Holdings Pte Ltd | Method and system for determining an error threshold value for machine failure prediction |
WO2020193330A1 (en) * | 2019-03-23 | 2020-10-01 | British Telecommunications Public Limited Company | Automated device maintenance |
EP3715987A1 (de) * | 2019-03-29 | 2020-09-30 | Siemens Aktiengesellschaft | Verfahren und system zum management von meldungen eines automatisierungssystems |
US10776100B1 (en) * | 2019-04-05 | 2020-09-15 | Sap Se | Predicting downtimes for software system upgrades |
US11663375B2 (en) | 2019-05-03 | 2023-05-30 | Willow Technology Corporation Pty Ltd | Configuration of a digital twin for a building or other facility via BIM data extraction and asset register mapping |
AU2019226264A1 (en) | 2019-05-06 | 2020-11-26 | Willow IP Pty Ltd | Systems configured to enable isolated client device interaction with building automation and control (bac) networks, including third-party application access framework |
CN110119851B (zh) * | 2019-05-23 | 2021-11-09 | 上海建工四建集团有限公司 | 一种建筑机电系统故障智能预测方法和系统 |
US11605011B2 (en) | 2019-05-31 | 2023-03-14 | Johnson Controls Tyco IP Holdings LLP | Analysis system with machine learning based interpretation |
EP3764179A1 (en) * | 2019-07-08 | 2021-01-13 | ABB Schweiz AG | Assessing conditions of instustrial equipment and processes |
US11480360B2 (en) | 2019-08-06 | 2022-10-25 | Johnson Controls Tyco IP Holdings LLP | Building HVAC system with modular cascaded model |
CN110425694B (zh) * | 2019-08-09 | 2021-05-25 | 长江慧控科技(武汉)有限公司 | 基于phm的高铁智能车站暖通空调能效控制管理方法 |
CN114729959A (zh) * | 2019-09-02 | 2022-07-08 | 罗伯特·博世有限公司 | 用于电动工具的远程诊断设备、系统和方法 |
US11734300B2 (en) * | 2019-09-19 | 2023-08-22 | International Business Machines Corporation | Archival of digital twin based on IoT sensor activity |
US11556737B2 (en) | 2019-12-04 | 2023-01-17 | At&T Intellectual Property I, L.P. | System, method, and platform for auto machine learning via optimal hybrid AI formulation from crowd |
CN111240279B (zh) * | 2019-12-26 | 2021-04-06 | 浙江大学 | 一种面向工业不平衡数据的对抗增强故障分类方法 |
AU2020417229A1 (en) | 2019-12-31 | 2022-08-25 | Johnson Controls Tyco IP Holdings LLP | Building data platform |
US12021650B2 (en) | 2019-12-31 | 2024-06-25 | Tyco Fire & Security Gmbh | Building data platform with event subscriptions |
US12099334B2 (en) | 2019-12-31 | 2024-09-24 | Tyco Fire & Security Gmbh | Systems and methods for presenting multiple BIM files in a single interface |
US11894944B2 (en) | 2019-12-31 | 2024-02-06 | Johnson Controls Tyco IP Holdings LLP | Building data platform with an enrichment loop |
US11769066B2 (en) | 2021-11-17 | 2023-09-26 | Johnson Controls Tyco IP Holdings LLP | Building data platform with digital twin triggers and actions |
US11769099B2 (en) | 2020-01-20 | 2023-09-26 | Honeywell International Inc. | Apparatuses, computer-implemented methods, and computer program products for improved monitored building environment monitoring and scoring |
US11620344B2 (en) | 2020-03-04 | 2023-04-04 | Honeywell International Inc. | Frequent item set tracking |
US11438434B2 (en) | 2020-05-07 | 2022-09-06 | Carrier Corporation | System and a method for generating service actionable for equipment |
US11874809B2 (en) | 2020-06-08 | 2024-01-16 | Johnson Controls Tyco IP Holdings LLP | Building system with naming schema encoding entity type and entity relationships |
US20210390474A1 (en) * | 2020-06-15 | 2021-12-16 | Honeywell International Inc. | Dashboard for multi site management system |
US20220026879A1 (en) * | 2020-07-22 | 2022-01-27 | Micron Technology, Inc. | Predictive maintenance of components used in machine automation |
US20220035357A1 (en) * | 2020-07-30 | 2022-02-03 | Johnson Controls Tyco IP Holdings LLP | Building management system with supervisory fault detection layer |
US11553618B2 (en) | 2020-08-26 | 2023-01-10 | PassiveLogic, Inc. | Methods and systems of building automation state load and user preference via network systems activity |
US12063274B2 (en) | 2020-10-30 | 2024-08-13 | Tyco Fire & Security Gmbh | Self-configuring building management system |
CN112380217B (zh) * | 2020-11-17 | 2024-04-12 | 安徽鸿程光电有限公司 | 数据处理方法、装置、设备及介质 |
CN112289063A (zh) * | 2020-11-20 | 2021-01-29 | 烟台职业学院 | 基于物联网的智慧城市数据迁移存储管理系统 |
CN112524772B (zh) * | 2020-11-30 | 2021-12-10 | 珠海格力电器股份有限公司 | 空调的控制方法和装置、存储介质、电子装置 |
US12061453B2 (en) * | 2020-12-18 | 2024-08-13 | Tyco Fire & Security Gmbh | Building management system performance index |
US11316908B1 (en) | 2021-02-01 | 2022-04-26 | Zurn Industries, Llc | BACnet conversion of water management data for building management solutions |
US11480358B2 (en) | 2021-02-25 | 2022-10-25 | Synapse Wireless, Inc. | Machine learning systems for modeling and balancing the activity of air quality devices in industrial applications |
US11861315B2 (en) | 2021-04-21 | 2024-01-02 | Meta Platforms, Inc. | Continuous learning for natural-language understanding models for assistant systems |
US11221601B1 (en) | 2021-05-24 | 2022-01-11 | Zurn Industries, Llc | Various IoT sensory products and cloud-purge for commercial building solutions utilizing LoRa to BACnet conversion for efficient data management and monitoring |
US11804082B2 (en) * | 2021-06-17 | 2023-10-31 | GM Global Technology Operations LLC | Automated deep learning based on customer driven noise diagnostic assist |
US11899723B2 (en) | 2021-06-22 | 2024-02-13 | Johnson Controls Tyco IP Holdings LLP | Building data platform with context based twin function processing |
US11573539B1 (en) * | 2021-09-03 | 2023-02-07 | Zurn Industries, Llc | Managing edge devices in building management systems |
US20230094187A1 (en) * | 2021-09-24 | 2023-03-30 | Rockwell Automation Technologies, Inc. | Variable relationship discovery and recommendations for industrial automation environments |
CN118056220A (zh) * | 2021-10-19 | 2024-05-17 | 三菱电机楼宇解决方案株式会社 | 分类装置以及分类方法 |
US11796974B2 (en) | 2021-11-16 | 2023-10-24 | Johnson Controls Tyco IP Holdings LLP | Building data platform with schema extensibility for properties and tags of a digital twin |
US11934966B2 (en) | 2021-11-17 | 2024-03-19 | Johnson Controls Tyco IP Holdings LLP | Building data platform with digital twin inferences |
US11704311B2 (en) | 2021-11-24 | 2023-07-18 | Johnson Controls Tyco IP Holdings LLP | Building data platform with a distributed digital twin |
DE102021130996A1 (de) * | 2021-11-25 | 2023-05-25 | Viessmann Climate Solutions Se | Verfahren zur fehlerprädiktion in einer hvac-anlage |
US11714930B2 (en) | 2021-11-29 | 2023-08-01 | Johnson Controls Tyco IP Holdings LLP | Building data platform with digital twin based inferences and predictions for a graphical building model |
US11694540B1 (en) | 2021-12-17 | 2023-07-04 | Honeywell International Inc. | Fire events pattern analysis and cross-building data analytics |
WO2023141174A1 (en) * | 2022-01-19 | 2023-07-27 | Nufam Llc | Systems and methods for predictive holistic facility management |
US20230276783A1 (en) * | 2022-03-03 | 2023-09-07 | Blue River Technology Inc. | Farming machines configured to treat plants with a combination of treatment mechanisms |
US11940767B2 (en) * | 2022-03-10 | 2024-03-26 | Johnson Controls Tyco IP Holdings LLP | Systems and methods of operating a collaborative building network |
US12061633B2 (en) | 2022-09-08 | 2024-08-13 | Tyco Fire & Security Gmbh | Building system that maps points into a graph schema |
US12013823B2 (en) | 2022-09-08 | 2024-06-18 | Tyco Fire & Security Gmbh | Gateway system that maps points into a graph schema |
CN115374881B (zh) * | 2022-10-17 | 2023-01-17 | 图林科技(深圳)有限公司 | 一种制冷设备运行状态故障诊断方法 |
CN116455944B (zh) * | 2023-06-14 | 2023-09-05 | 北京东方广厦模块化房屋有限公司 | 一种基于物联网采集的装配式建筑监测预警方法及系统 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102063472A (zh) * | 2010-12-10 | 2011-05-18 | 北京大学 | 图片搜索方法、图片搜索系统、客户端和服务器 |
CN102063409A (zh) * | 2009-09-29 | 2011-05-18 | 霍尼韦尔国际公司 | 配置建筑管理系统的系统和方法 |
US20110166913A1 (en) * | 2010-01-04 | 2011-07-07 | Daniel Buchanan | Energy consumption reporting and modification system |
US20120066168A1 (en) * | 2010-09-14 | 2012-03-15 | Nest Labs, Inc. | Occupancy pattern detection, estimation and prediction |
US20120110158A1 (en) * | 2010-10-29 | 2012-05-03 | Siemens Industry, Inc. | Field panel with embedded webserver and method of accessing the same |
CN103399239A (zh) * | 2013-08-12 | 2013-11-20 | 四川大学 | 工业设备电压暂降免疫力的检测方法 |
CN103718546A (zh) * | 2011-07-29 | 2014-04-09 | 松下电器产业株式会社 | 用于通过检测异常来改善站点运营的系统和方法 |
US20140108310A1 (en) * | 2012-01-31 | 2014-04-17 | International Business Machines Corporation | System and method for optimizing teams |
CN103890667A (zh) * | 2011-10-21 | 2014-06-25 | 耐斯特实验公司 | 用户友好、网络连接的学习型恒温器及相关系统和方法 |
CN103970892A (zh) * | 2014-05-23 | 2014-08-06 | 无锡清华信息科学与技术国家实验室物联网技术中心 | 基于智能家居设备的多维度观影系统控制方法 |
US20140245071A1 (en) * | 2009-06-22 | 2014-08-28 | Johnson Controls Technology Company | Automated fault detection and diagnostics in a building management system |
US20150046233A1 (en) * | 2013-08-06 | 2015-02-12 | Thrive Metrics, Inc. | Methods and systems for providing the effectiveness of an entity |
CN104361712A (zh) * | 2014-12-02 | 2015-02-18 | 四川创嘉上善网络科技有限公司 | 智能管控工作站及管控系统以及使用方式 |
Family Cites Families (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4230646B2 (ja) * | 2000-08-28 | 2009-02-25 | 大和ハウス工業株式会社 | 建物振動障害予測システム |
US20070028220A1 (en) * | 2004-10-15 | 2007-02-01 | Xerox Corporation | Fault detection and root cause identification in complex systems |
US7519564B2 (en) * | 2004-11-16 | 2009-04-14 | Microsoft Corporation | Building and using predictive models of current and future surprises |
CN100387901C (zh) * | 2005-08-10 | 2008-05-14 | 东北大学 | 基于Internet网的锅炉传感器故障诊断和容错一体化方法及装置 |
US20070112701A1 (en) * | 2005-08-15 | 2007-05-17 | Microsoft Corporation | Optimization of cascaded classifiers |
EP1922593B1 (en) * | 2005-09-06 | 2010-02-24 | Siemens Industry, Inc. | Application of microsystems for a building system employing a system knowledge base |
WO2008148075A1 (en) * | 2007-05-24 | 2008-12-04 | Alexander George Parlos | Machine condition assessment through power distribution networks |
CA2701997A1 (en) * | 2007-11-07 | 2009-11-12 | Edsa Micro Corporation | Systems and methods for real-time forecasting and predicting of electrical peaks and managing the energy, health, reliability, and performance of electrical power systems based onan artificial adaptive neural network |
US8600556B2 (en) * | 2009-06-22 | 2013-12-03 | Johnson Controls Technology Company | Smart building manager |
US9606520B2 (en) * | 2009-06-22 | 2017-03-28 | Johnson Controls Technology Company | Automated fault detection and diagnostics in a building management system |
US20110231320A1 (en) * | 2009-12-22 | 2011-09-22 | Irving Gary W | Energy management systems and methods |
EP2400440A1 (en) * | 2009-12-23 | 2011-12-28 | Pulse Energy Inc. | Systems and methods for predictive building energy monitoring |
US20110161124A1 (en) * | 2009-12-31 | 2011-06-30 | Duane Lappinga | Method and system for enterprise building automation |
EP2539861A4 (en) * | 2010-02-24 | 2013-08-07 | Univ Columbia | METRIC MONITORING AND FINANCIAL VALIDATION SYSTEM FOR PURSUIT OF PERFORMANCE IN IMPROVING INFRASTRUCTURE |
AU2011265563B2 (en) * | 2010-12-24 | 2016-09-22 | Commonwealth Scientific And Industrial Research Organisation | System and method for detecting and/or diagnosing faults in multi-variable systems |
US20130030875A1 (en) | 2011-07-29 | 2013-01-31 | Panasonic Corporation | System and method for site abnormality recording and notification |
US9092802B1 (en) * | 2011-08-15 | 2015-07-28 | Ramakrishna Akella | Statistical machine learning and business process models systems and methods |
WO2013043863A1 (en) * | 2011-09-20 | 2013-03-28 | The Trustees Of Columbia University In The City Of New York | Adaptive stochastic controller for energy efficiency and smart buildings |
US9251472B1 (en) * | 2011-09-26 | 2016-02-02 | 31North, Inc. | Method and system for monitoring a building |
AU2013225926B2 (en) * | 2012-02-28 | 2016-01-07 | Emerson Electric Co. | HVAC system remote monitoring and diagnosis |
CN103048967B (zh) * | 2012-05-09 | 2016-03-23 | 济南华汉电气科技有限公司 | 一种建筑物资源消耗监控管理系统 |
EP2864919B1 (en) * | 2012-06-21 | 2023-11-01 | Philip Morris Products S.A. | Systems and methods for generating biomarker signatures with integrated dual ensemble and generalized simulated annealing techniques |
TWI463334B (zh) * | 2012-07-20 | 2014-12-01 | Univ Nat Cheng Kung | 標的裝置的基底預測保養方法與其電腦程式產品 |
US10162697B2 (en) * | 2012-08-02 | 2018-12-25 | Siemens Aktiengesellschaft | Building a failure-predictive model from message sequences |
US9411327B2 (en) * | 2012-08-27 | 2016-08-09 | Johnson Controls Technology Company | Systems and methods for classifying data in building automation systems |
CN104281113A (zh) * | 2013-07-12 | 2015-01-14 | 李文嵩 | 智能住宅系统及其运作方法 |
US10114721B2 (en) * | 2013-08-18 | 2018-10-30 | Sensibo Ltd. | Power consumption assesment of an HVAC system |
US20150168003A1 (en) * | 2013-12-18 | 2015-06-18 | Google Inc. | Systems and methods for signature-based thermostat control |
US10402767B2 (en) * | 2014-02-13 | 2019-09-03 | Johnson Controls Technology Company | Systems and methods for monetizing and prioritizing building faults |
US9092741B1 (en) * | 2014-04-21 | 2015-07-28 | Amber Flux Private Limited | Cognitive platform and method for energy management for enterprises |
US20160018835A1 (en) * | 2014-07-18 | 2016-01-21 | Retroficiency, Inc. | System and method for virtual energy assessment of facilities |
CN104199961A (zh) * | 2014-09-19 | 2014-12-10 | 北京建筑技术发展有限责任公司 | 一种基于数据挖掘的公共建筑能耗监管平台数据处理方法 |
CN104299052A (zh) * | 2014-10-12 | 2015-01-21 | 刘岩 | 一种基于人工蜂群和神经网络的建筑能耗预测方法 |
US20160210569A1 (en) * | 2015-01-19 | 2016-07-21 | Harry Jay Enck | Systems and methods for building performance improvement |
-
2016
- 2016-02-29 CA CA2979202A patent/CA2979202C/en active Active
- 2016-02-29 CN CN201680014769.6A patent/CN107430715A/zh active Pending
- 2016-02-29 EP EP16719556.9A patent/EP3268820A1/en active Pending
- 2016-02-29 CA CA3015407A patent/CA3015407C/en active Active
- 2016-02-29 CN CN201680014798.2A patent/CN107430387B/zh active Active
- 2016-02-29 WO PCT/US2016/020028 patent/WO2016144587A1/en active Application Filing
- 2016-02-29 EP EP16709893.8A patent/EP3268819B1/en active Active
- 2016-02-29 EP EP16719557.7A patent/EP3268821B1/en active Active
- 2016-02-29 US US15/549,629 patent/US10824120B2/en active Active
- 2016-02-29 CA CA2979193A patent/CA2979193C/en active Active
- 2016-02-29 WO PCT/US2016/020025 patent/WO2016144586A1/en active Application Filing
- 2016-02-29 CA CA2979201A patent/CA2979201A1/en active Pending
- 2016-02-29 US US15/549,644 patent/US20180046149A1/en active Pending
- 2016-02-29 CN CN201680013547.2A patent/CN107408230B/zh active Active
- 2016-02-29 US US15/549,622 patent/US20180046151A1/en active Pending
- 2016-02-29 WO PCT/US2016/020068 patent/WO2016144591A1/en active Application Filing
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140245071A1 (en) * | 2009-06-22 | 2014-08-28 | Johnson Controls Technology Company | Automated fault detection and diagnostics in a building management system |
CN102063409A (zh) * | 2009-09-29 | 2011-05-18 | 霍尼韦尔国际公司 | 配置建筑管理系统的系统和方法 |
US20110166913A1 (en) * | 2010-01-04 | 2011-07-07 | Daniel Buchanan | Energy consumption reporting and modification system |
US20120066168A1 (en) * | 2010-09-14 | 2012-03-15 | Nest Labs, Inc. | Occupancy pattern detection, estimation and prediction |
US20120110158A1 (en) * | 2010-10-29 | 2012-05-03 | Siemens Industry, Inc. | Field panel with embedded webserver and method of accessing the same |
CN102063472A (zh) * | 2010-12-10 | 2011-05-18 | 北京大学 | 图片搜索方法、图片搜索系统、客户端和服务器 |
CN103718546A (zh) * | 2011-07-29 | 2014-04-09 | 松下电器产业株式会社 | 用于通过检测异常来改善站点运营的系统和方法 |
CN103890667A (zh) * | 2011-10-21 | 2014-06-25 | 耐斯特实验公司 | 用户友好、网络连接的学习型恒温器及相关系统和方法 |
US20140108310A1 (en) * | 2012-01-31 | 2014-04-17 | International Business Machines Corporation | System and method for optimizing teams |
US20150046233A1 (en) * | 2013-08-06 | 2015-02-12 | Thrive Metrics, Inc. | Methods and systems for providing the effectiveness of an entity |
CN103399239A (zh) * | 2013-08-12 | 2013-11-20 | 四川大学 | 工业设备电压暂降免疫力的检测方法 |
CN103970892A (zh) * | 2014-05-23 | 2014-08-06 | 无锡清华信息科学与技术国家实验室物联网技术中心 | 基于智能家居设备的多维度观影系统控制方法 |
CN104361712A (zh) * | 2014-12-02 | 2015-02-18 | 四川创嘉上善网络科技有限公司 | 智能管控工作站及管控系统以及使用方式 |
Non-Patent Citations (3)
Title |
---|
AHMED OSMAN等: "Ectopic pancreas presenting with pancreatitis and a mesenteric mass", 《JOURNAL OF PEDIATRIC SURGERY》 * |
CHENG FAN等: "A framework for knowledge discovery in massive building automation data and itsapplication in building diagnostics", 《AUTOMATION IN CONSTRUCTION》 * |
LI XUEMEI等: "Novel HVAC fan machinery fault diagnosis method based on KPCA and SVM", 《IEEE》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110059069A (zh) * | 2018-01-19 | 2019-07-26 | 西门子股份公司 | 用于检测和预测目标系统的行为的系统和方法 |
CN113646711A (zh) * | 2019-03-07 | 2021-11-12 | 霍尼韦尔国际公司 | 用于建立建筑物自动化系统部件之间的关系的系统和方法 |
CN109887228A (zh) * | 2019-03-21 | 2019-06-14 | 杭州虹晟信息科技有限公司 | 基于大数据的安全预警系统 |
US20210225529A1 (en) * | 2020-01-20 | 2021-07-22 | Honeywell International, Inc. | Apparatuses, computer-implemented methods, and computer program products for improved monitored building environment monitoring and scoring |
Also Published As
Publication number | Publication date |
---|---|
US20180046151A1 (en) | 2018-02-15 |
EP3268821B1 (en) | 2020-07-15 |
CN107430387B (zh) | 2021-12-24 |
CA2979193C (en) | 2021-09-14 |
CN107408230B (zh) | 2021-06-01 |
US20180046149A1 (en) | 2018-02-15 |
US20180046173A1 (en) | 2018-02-15 |
CA2979202A1 (en) | 2016-09-15 |
CA2979193A1 (en) | 2016-09-15 |
EP3268820A1 (en) | 2018-01-17 |
CA3015407C (en) | 2022-05-17 |
WO2016144587A1 (en) | 2016-09-15 |
CN107430715A (zh) | 2017-12-01 |
EP3268821A1 (en) | 2018-01-17 |
CA3015407A1 (en) | 2016-09-15 |
EP3268819A1 (en) | 2018-01-17 |
CA2979202C (en) | 2019-08-27 |
EP3268819B1 (en) | 2021-05-12 |
CN107430387A (zh) | 2017-12-01 |
WO2016144586A1 (en) | 2016-09-15 |
US10824120B2 (en) | 2020-11-03 |
CA2979201A1 (en) | 2016-09-15 |
WO2016144591A1 (en) | 2016-09-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107408230A (zh) | 建筑物自动化中的诊断 | |
Kim et al. | Personal comfort models–A new paradigm in thermal comfort for occupant-centric environmental control | |
Bortolini et al. | Analysis of building maintenance requests using a text mining approach: building services evaluation | |
Hosamo et al. | Improving building occupant comfort through a digital twin approach: A Bayesian network model and predictive maintenance method | |
Hosamo et al. | Digital Twin framework for automated fault source detection and prediction for comfort performance evaluation of existing non-residential Norwegian buildings | |
AU2018271385A1 (en) | Machine learning classification and prediction system | |
CN110494811A (zh) | 具有时间序列数据的声明性视图的建筑物管理系统 | |
Lai et al. | Developing a performance evaluation scheme for engineering facilities in commercial buildings: state-of-the-art review | |
Gunay et al. | Energy and comfort performance benefits of early detection of building sensor and actuator faults | |
Li et al. | A random forest classification algorithm based personal thermal sensation model for personalized conditioning system in office buildings | |
Nienaber et al. | Validation, optimisation and comparison of carbon dioxide-based occupancy estimation algorithms | |
Darwazeh et al. | A virtual meter-based visualization tool to present energy flows in multiple zone variable air volume air handling unit systems | |
Bechina et al. | A system of systems approach to smart Building Management: an AI vision for Facility Management | |
Lévy | Advanced clustering and AI-driven decision support systems for smart energy management | |
Li | A novel real-time monitoring, notification, analytics system, and personal thermal sensations model for indoor air quality and energy efficiency in commercial buildings | |
Whittaker et al. | A dynamic scorecard for monitoring baseline performance with application to tracking a mortgage portfolio | |
Abeyrathna et al. | ANN prediction model to improve employees’ thermal satisfaction in tropical green office buildings | |
US20240345573A1 (en) | Building system with generative ai-based analysis and contextual insight generation | |
US20240345914A1 (en) | Building system with generative ai-based fault detection and diagnostics using multi-modal data | |
Tavera Rodríguez | Towards a Predictive Model that Supports the Achievement of More Assertive Commercial KPIs Case: Wood Trading Company | |
Dutta | Operational performance benchmarking for commercial buildings by using text analytics on work order logs and tenant survey data | |
Avramidou | Building CO2 emissions prediction using Machine Learning/Data Mining | |
Ashouri Sanjani | Data Mining Frameworks for Energy Consumption Reduction of Existing Buildings | |
Askew | Enabling Continuous Commissioning through Building Management Systems | |
Nasser et al. | Contemporary affirmation of machine learning models for sensor validation and recommendations for future research directions |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |